Вступление

Matplotlib - одна из наиболее широко используемых библиотек визуализации данных в Python. Большая часть популярности Matplotlib связана с его параметрами настройки - вы можете настроить практически любой элемент из его иерархии объектов .

В этом руководстве мы рассмотрим, как установить диапазон оси (xlim, ylim) в Matplotlib , чтобы усечь или расширить представление до определенных пределов.

Создание сюжета

Давайте сначала создадим простой сюжет:

 import matplotlib.pyplot as plt 
 import numpy as np 
 
 fig, ax = plt.subplots(figsize=(12, 6)) 
 
 x = np.arange(0, 10, 0.1) 
 y = np.sin(x) 
 z = np.cos(x) 
 
 ax.plot(y, color='blue', label='Sine wave') 
 ax.plot(z, color='black', label='Cosine wave') 
 
 plt.show() 

Здесь мы построили две синусоидальные функции, начиная с 0 и заканчивая 100 с шагом 0.1 . Выполнение этого кода дает:

{.ezlazyload}

Теперь мы можем настроить диапазон этой оси, который в настоящее время идет от 0 до 100 .

Установка диапазона оси в Matplotlib

Теперь, если мы хотим усечь это представление на меньшее или даже большее, мы можем настроить пределы X и Y. Доступ к ним можно получить либо через экземпляр PyPlot, либо через экземпляр Axes .

Как установить X-Limit (xlim) в Matplotlib

Давайте сначала установим X-limit, используя экземпляры Axes Оба эти метода принимают кортеж - левый и правый пределы. Так, например, если мы хотим усечь представление, чтобы отображать только данные в диапазоне 25-50 по оси X, мы бы использовали xlim([25, 50]) :

 fig, ax = plt.subplots(figsize=(12, 6)) 
 
 x = np.arange(0, 10, 0.1) 
 y = np.sin(x) 
 z = np.cos(x) 
 
 ax.plot(y, color='blue', label='Sine wave') 
 ax.plot(z, color='black', label='Cosine wave') 
 
 plt.xlim([25, 50]) 
 plt.show() 

Это ограничивает просмотр по оси X данными от 25 до 50 и приводит к:

{.ezlazyload}

Того же эффекта можно добиться, установив их с помощью объекта ax Таким образом, если у нас несколько Axes , мы можем установить лимит для них отдельно:

 import matplotlib.pyplot as plt 
 import numpy as np 
 
 fig = plt.figure(figsize=(12, 6)) 
 
 x = np.arange(0, 10, 0.1) 
 y = np.sin(x) 
 z = np.cos(x) 
 
 ax = fig.add_subplot(121) 
 ax2 = fig.add_subplot(122) 
 
 ax.set_title('Full view') 
 ax.plot(y, color='blue', label='Sine wave') 
 ax.plot(z, color='black', label='Cosine wave') 
 
 ax2.set_title('Truncated view') 
 ax2.plot(y, color='blue', label='Sine wave') 
 ax2.plot(z, color='black', label='Cosine wave') 
 
 ax2.set_xlim([25, 50]) 
 
 plt.show() 

{.ezlazyload}

Как установить Y-предел (ylim) в Matplotlib

Теперь давайте установим Y-предел. Этого можно достичь с помощью тех же двух подходов:

 ax.plot(y, color='blue', label='Sine wave') 
 ax.plot(z, color='black', label='Cosine wave') 
 
 plt.ylim([-1, 0]) 

Или же:

 ax.plot(y, color='blue', label='Sine wave') 
 ax.plot(z, color='black', label='Cosine wave') 
 
 ax.set_ylim([-1, 0]) 

Оба из них приводят к:

{.ezlazyload}

Заключение

В этом руководстве мы рассмотрели, как установить диапазон оси (т.е. пределы X и Y) с помощью Matplotlib в Python .

Если вас интересует визуализация данных и вы не знаете, с чего начать, обязательно ознакомьтесь с нашим комплектом книг по визуализации данных в Python{.ebook-link} :

::: {style=“border: 1px solid #ebebeb;padding: 15px;”} {.ebook-link}

Визуализация данных в Python

::: {.row} ::: {.col-md-4 .col-xs-12} {.ezlazyload .img-responsive .center-block} :::

::: {.col-md-8 .col-xs-12 .my-auto} Станьте опасными с визуализацией данных

✅ 30-дневная гарантия возврата денег без вопросов

✅ от начального до продвинутого

✅ Регулярно обновляется бесплатно (последнее обновление в апреле 2021 г.)

✅ Обновлено с бонусными ресурсами и руководствами ::: ::: :::

Визуализация данных в Python с помощью Matplotlib и Pandas - это книга, предназначенная для абсолютных новичков в работе с Pandas и Matplotlib с базовыми знаниями Python и позволяющая им создать прочную основу для расширенной работы с этими библиотеками - от простых графиков до анимированных трехмерных графиков с интерактивными кнопки.

Он служит подробным руководством, которое научит вас всему, что вам нужно знать о Pandas и Matplotlib, в том числе о том, как создавать типы графиков, которые не встроены в саму библиотеку.

Книга «Визуализация данных в Python» , книга для начинающих и средних разработчиков Python, проведет вас через простые манипуляции с данными с помощью Pandas, охватит основные библиотеки построения графиков, такие как Matplotlib и Seaborn, и покажет, как использовать преимущества декларативных и экспериментальных библиотек, таких как Altair. В частности, на протяжении 11 глав эта книга охватывает 9 библиотек Python: Pandas, Matplotlib, Seaborn, Bokeh, Altair, Plotly, GGPlot, GeoPandas и VisPy.

Он служит уникальным практическим руководством по визуализации данных в виде множества инструментов, которые вы можете использовать в своей карьере.